Diese Untersuchung widmet sich einer Zusammenstellung aktueller und wichtiger Diskussionen im Zusammenhang mit Definitionsansätzen, Kompetenzen und Anforderungen zum Thema Data Science als auch dessen Abgrenzung zu engverwandten Disziplinen der Data Analytics.
Da diese Thematik in der gesamten Wirtschaftswelt relevant ist, werden die in dieser Untersuchung folgenden Darstellungen in erster Linie aus allgemeiner betriebswirtschaftlicher Perspektive betrachtet und haben keinen Anspruch auf eine dauerhaft allgemeingültige Definition von Data Science. Vielmehr ist dies eine gegenwärtige Standpunktanalyse über den Entwicklungsgrad von Data Science und zeigt auf, wie das Berufsbild des Data Scientists laut aktuellem Forschungsstand in der Betriebswirtschaftslehre zum Beginn der neuen Dekade 2020 verstanden wird und in welcher Hinsicht Missverständnisse bestehen, sodass Unternehmen ihre Bemühungen zur Gewinnung potenzieller Data Scientists optimieren können
Dabei wird konkret die Zielsetzung verfolgt, aufzuführen, welche Aufgaben und entsprechenden Kompetenzen man laut aktueller Forschung von Data Scientists erwarten kann sowie ob und inwiefern hierbei feststellbare Abweichungen zum betrieblichen Verständnis in Deutschland bestehen.
Inhaltsverzeichnis
- Einleitung
- Problemstellung
- Zielsetzung und Vorgehensweise
- Systematisches Literaturreview
- Vorgehen
- Definitorische Abgrenzung
- Herkunft und Definition der Data Science
- Kompetenzprofile der Data Science
- Forschungsteil
- Forschungsmethodik
- Empirische Untersuchung
- Forschungsergebnisse
- Handlungsempfehlungen
- Schlussbemerkung
Zielsetzung und Themenschwerpunkte
Die vorliegende wissenschaftliche Studie untersucht die Kompetenz- und Qualifikationsanforderungen an Data Scientists im Kontext der Optimierung betrieblicher Rekrutierungsprozesse in Deutschland. Die Arbeit befasst sich mit der aktuellen Situation der Data Science und analysiert die relevanten Kompetenzprofile, die für die erfolgreiche Integration von Data Scientists in Unternehmen notwendig sind. Ziel ist es, ein tieferes Verständnis für die Anforderungen an Data Scientists zu entwickeln und Handlungsempfehlungen für die Optimierung von Rekrutierungsprozessen zu formulieren.
- Definition und Entwicklung der Data Science
- Kompetenzprofile von Data Scientists
- Anforderungen an Rekrutierungsprozesse
- Empirische Untersuchung von Kompetenzanforderungen
- Handlungsempfehlungen für die Rekrutierung von Data Scientists
Zusammenfassung der Kapitel
Die Einleitung führt in die Problemstellung und die Zielsetzung der Studie ein. Kapitel 2 beleuchtet die Data Science aus verschiedenen Perspektiven und analysiert die relevanten Kompetenzprofile. Das Kapitel bietet einen umfassenden Überblick über die Definition, Entstehung und Bedeutung der Data Science. Kapitel 3 befasst sich mit der empirischen Untersuchung, die die Kompetenzanforderungen an Data Scientists aus der Praxis beleuchtet. Hier werden die Forschungsmethodik, die empirische Untersuchung und die daraus resultierenden Forschungsergebnisse dargestellt. Im Anschluss werden Handlungsempfehlungen für die Optimierung von Rekrutierungsprozessen formuliert.
Schlüsselwörter
Data Science, Kompetenzprofile, Rekrutierung, Data Analytics, Big Data, Künstliche Intelligenz, Machine Learning, Empirische Untersuchung, Handlungsempfehlungen.
- Quote paper
- Maximilian Geers (Author), 2021, Data Science 2020: Kompetenz- und Qualifikationsanforderungen an Data Scientists zur Optimierung betrieblicher Rekrutierungsprozesse in Deutschland, Munich, GRIN Verlag, https://www.grin.com/document/1031652
